pytorch中的自动微分

import torch


# 函数y = x**3+20*x

# 标量的梯度计算
def torch19():
    x = torch.tensor(5, requires_grad=True, dtype=torch.float64)  # 对于需要求导的张量设置requires_grad=True
    f = x ** 3 + 20 * x
    f.backward()  # 自动微分
    print(x.grad)


# 向量的梯度计算
def torch20():
    x = torch.tensor([2, 3, 4], requires_grad=True, dtype=torch.float64)
    f = x ** 3 + 20 * x
    f1 = f.mean()  # 自动微分必须是标量，这里是转化成标量
    f1.backward()
    print(x.grad)


def torch21():
    x1 = torch.tensor(5, requires_grad=True, dtype=torch.float64)  # 对于需要求导的张量设置requires_grad=True
    x2 = torch.tensor(10, requires_grad=True, dtype=torch.float64)  # 对于需要求导的张量设置requires_grad=True
    f = x1 ** 3 + 20 * x2 ** 2
    f.backward()  # 自动微分
    print(x1.grad)
    print(x2.grad)


if __name__ == '__main__':
    torch21()